演化學習利用演化算法求解機器學習中的複雜優化問題, 在實踐中取得了許多成功, 但因其缺少堅實的理論基礎, 在很長時期內未獲得機器學習社區的廣泛接受. 本書主要內容為三位作者在這個方向上過去二十年中主要工作的總結.全書共18 章, 分為四個部分: 第一部分(第1～2 章) 簡要介紹演化學習和一些關於理論研究的預備知識; 第二部分(第3～6章) 介紹用於分析運行時間複雜度和逼近能力這兩個演化學習的基本理論性質的通用工具; 第三部分(第7～12 章) 介紹演化學習關鍵因素對算法性能影響的一系列理論結果, 包括交叉算子、解的表示、非精確適應度評估、種群的影響等; 第四部分(第13～18 章) 介紹一系列基於理論結果啟發的具有一定理論保障的演化學習算法.本書適合對演化學習感興趣的研究人員、學生和實踐者閱讀. 書中第二部分內容或可為有興趣進一步探索演化學習理論基礎的讀者提供分析工具, 第三部分內容或有助於讀者進一步理解演化學習過程並為新算法設計提供啟發, 第四部分內容或可為讀者解決一些現實機器學習問題提供新的算法方案.
